苹果将设计融入科技;IBM投资科研，领先同时代十年;Facebook“快速行动，维护基础”(但是，显然不再破除陈规)。

        上述公司以各自的方式成为领域内优秀的创新者。但是，是什么让Google(现在正式名称是Alphabet)与众不同?它虽然不依赖任何单个的创新策略，但是综合部署以创造出一个复杂且强大的创新生态系统，大量推出新产品。

        当然，Google本身就是一家大企业——营业收入750亿美元，员工人数超过6万名，从核心的搜索引擎、安卓操作系统、到诸如无人驾驶车等刚起步的业务。 为了更好的理解Google创新的方法，笔者仔细观察了其中一个领域： Deep learning。这是人工智能的一种极复杂形式，以帮助机器像人类一样吸收和利用信息。

        对研发的狂热投入

       正如Google的一贯作风，Deep learning的主动权源于对科技的投入。致力于发现的精神已深植于Google的基因。毕竟，Google公司是从谢尔盖·布林(Sergey Brin)和拉里·佩吉(Larry Page)的国家科学基金会资助项目——网页目录化开始的。这份热情一直延续着，Google每年在研发上投入数十亿美元。

       然而，这还不是故事的全部。Google会固定地去收购处于发展初期的初创企业，其中的很多都是始于学术研究。该公司还通过风险投资部投资许多初创公司。(Google近期收购的公司之一是Deep Mind，前段时间因打败传奇性世界围棋冠军李世石而引人注目。)

        Google取得突破性研究成果的另一方式是通过主动与科学界建立伙伴关系。它每年投资超过250项科研项目，在例如arXiv的公用数据库和自有研究站点发布研究成果，每年邀请约30位正在休假的顶尖学者来Google。

        通常，因为Google的巨大吸引力，顶尖学者们来了并且留下来。Google对为科学家们提供独有的研究环境、无可比拟的数据集、世界顶尖的运算架构以及不断公开出版的机会。比如人工智能界顶尖学者之一吴恩达(Andrew Ng)于2010年来到Google。

        自下而上的创新

        吴恩达刚到Google，就迅速联系研究员格雷格·克拉多(Greg Corrado)和杰夫·迪恩(Jeff Dean)。他们都对deep learning这一新人工智能有浓厚的兴趣。不久，这三人就利用“20%的时间(20% time)”——该公司有名的鼓励员工“自由选择自己感兴趣的项目”来研究这一领域。

         Google最受欢迎的一些产品，诸如谷歌邮箱(Gmail)、谷歌新闻(Google News)和Adsense都产生于“20%的时间”项目。但是这三项的着眼点是不同的。它们不是要打造某种产品，他们的关注点在于扩展可能性的范围。

        为了理解他们之后的研究内容，有必要知道大脑的运作方式。当你在拥挤的酒吧里遇见了朋友，这似乎是单一事件，但实际上并不是。大脑的不同区域对这一事件的不同方面，例如颜色、形状，进行加工处理，并将它们一体化成更大的概念(诸如人脸、发型、或是某个流行设计师的招牌风格)。

        科学家将这些不同方面称作“抽象层次”。通常计算机是线性运作，因此要同时运行多个“抽象层次”是很困难的。但是，这三人认为自己可以做得更好，扩展到20到30个层次。这样，较之前而言机器学习的深度会做的更好。

       内部孵化器

       不久，他们就取得了进展。克拉多告诉我：“为了让网络去学习，需要很多数据，而Google恰恰就是数据多。另一要素是快速算法，而Google的分布式运算专长是非常有帮助的。所以我们能够快速地推动机器学习的进展。”

       项目开始的18个月后，这个小组进入Google X实验室——公司内部的科研重地——继续他们的项目。在那里，他们不仅能专职研究deep learning项目，还可以聘请另外5至6个拥有数学、神经系统科学和计算机科学博士学位的科学家和工程师团队。

        克拉多说：“我们在Google X实验室的时间至关重要。我们在不绑定任何特定产品的条件下，推进核心技术。我们从三个人兼职工作，到8或9个人全职工作。这才是全速前进的理想团队规模。我们就像一个小公司，但是拥有这一大企业的各种资源。”

        这段孵化期的成果是一个实际的产品——DistBelief——第一代机器学习系统。不久，DistBelief就已经整合进Google的各种产品中，例如谷歌地图、谷歌翻译(Google Translate)、甚至YouTube(用于帮助用户搜索视频)。

       对于核心的创新

        到 2012年，这个团队从Google X实验室“毕业”了，他们被称作“谷歌大脑(Google Brain)”，现在发展成一个随时都有近百名研究员的团队。包括杰弗里·希尔顿(Geoffrey Hinton)，2013年加入的deep learning领域专家。这个团队还建造了DistBelief的高级版本——TensorFlow——在Apache许可之下的开源系统。

         如今，“谷歌大脑”是出于创新生态系统，现在又是它的组成部分之一。Google的产品团队就是他们内部“顾客”，“谷歌大脑”将deep learning置于Google行事的中心。Google公司的每一个人都可以使用Tensor Flow，使产品变得更加智能、有效。

        例如，TensorFlow让Google语音搜索更加迅速、准确，将错误率从23%降低到8%，而且完成一次搜索的时间减少了近三分之一秒。由于图片搜索的错误也减少了三分之二，因此用户现在可以搜索各种诸如日落、特定犬种的未标记的图片。

       “谷歌大脑”还被用于其他方面。谷歌邮箱的智能回复(Smart Reply)向用户提供回复信件的建议。谷歌翻译扩展到100种语言，覆盖全球99%的人口。虽然“谷歌大脑”已经在完善公司核心能力上展现出巨大的价值，它在未来也很可能启发全新的产品。

        紧密的反馈环节

        在多数机构中，创新被视为线性过程：研究、开发、展示、布署，每一步都独立进行。但是在Google，每项工作都是紧密联合的反馈环节，研究者和产品团队合作不仅创建新产品、还要观察出值得进一步研究的领域。

       克拉多告诉我：“能够获得关于用户及其真正需要的数据会给你进一步创新的机会。”他和团队积极与产品团队、“20%的时间”项目同事合作。不像墨守陈规的科学怪人，他们是积极的的合作者。

        这就是“谷歌大脑”扩展到Google生态创新系统的方式。TensorFlow提供了基础机器学习的工具，为Google工程师们提供新的可能性，然后他们就会找到“谷歌大脑”的科学家并创造新产品。这创造了一个问题集：吸引顶尖研究员来Google工作，反过来，创造出更多令人激动的新科技。

        Google 的独特之处在于将各种创新战略融合起来。产品经理集中于客户需求，研究员追寻科学的指引，工程师凭借兴趣研发“20%的时间”项目。任何有想法的人都可以采取一或多种途径。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。